الصور “المحمية” أسهل في السرقة مع تقنيات الذكاء الاصطناعي

تشير الأبحاث الجديدة إلى أن أدوات التمييز المقصودة لحظر تعديلات الصور بواسطة الذكاء الاصطناعي قد تؤدي إلى نتائج عكسية. بدلاً من منع نماذج مثل Stable Diffusion من إجراء التعديلات، قد تسهل بعض الحمايات فعليًا للذكاء الاصطناعي اتباع التوجيهات بشكل أكثر دقة، مما يجعل التلاعب غير المرغوب فيه أكثر سهولة.

هناك مجال قوي في أدب الرؤية الحاسوبية يركز على حماية الصور المحمية بحقوق التأليف والنشر من التدريب في نماذج الذكاء الاصطناعي أو استخدامها في عمليات الصور المباشرة. تهدف الأنظمة من هذا النوع بشكل عام إلى نماذج التبديد اللاتنتي (LDMs) مثل Stable Diffusion وFlux، والتي تستخدم إجراءات قائمة على الضوضاء لتشفير وفك تشفير الصور.

من خلال إدراج ضوضاء معادية في الصور التي تبدو عادية، يمكن إعاقة كاشفات الصور لتحديد محتوى الصورة بشكل غير صحيح، وتعطيل أنظمة توليد الصور من استغلال البيانات المحمية بحقوق التأليف والنشر:

من ورقة MIT ‘raising the Cost of Malicious AI-Powered Image Editing’، أمثلة على صورة مصدر محمية ضد التلاعب (الصف السفلي). المصدر: https://arxiv.org/pdf/2302.06588

منذ ردة فعل الفنانين ضد استخدام Stable Diffusion للصور الممسوحة ضوئيًا من الويب (بما في ذلك الصور المحمية بحقوق التأليف والنشر) في عام 2023، أنتجت المشهد البحثي العديد من المتغيرات على نفس الموضوع – فكرة أن الصور يمكن أن تكون مخدرة ضد التدريب في نماذج الذكاء الاصطناعي أو سحبها إلى خطوط أنابيب الذكاء الاصطناعي التوليدية، دون التأثير السلبي على جودة الصورة للمشاهد العادي.

في جميع الحالات، هناك علاقة مباشرة بين شدة الاضطراب المطبق ومدى حماية الصورة بعد ذلك ومدى عدم جودة الصورة:

على الرغم من أن جودة ورقة البحث لا توضح تمامًا المشكلة، فإن كميات أكبر من الاضطراب المعادي تضحي بالجودة من أجل الأمان. هنا نرى مجموعة من اضطرابات الجودة في مشروع Fawkes لعام 2020 بقيادة جامعة شيكاغو. المصدر: https://arxiv.org/pdf/2002.08327

من المثير للاهتمام للفنانين الذين يبحثون عن حماية أسلوبهم ضد الاستخدام غير المصرح به هو قدرة هذه الأنظمة على إخفاء الهوية والمعلومات الأخرى، و”إقناع” عملية التدريب بالذكاء الاصطناعي بأنها ترى شيئًا مختلفًا عما هي عليه في الواقع، بحيث لا تتشكل روابط بين المجالات الدلالية والبصرية للبيانات المحمية (أي، توجيه مثل “بالنمط الخاص ببول كلي”):

Mist و Glaze هما طريقتان شائعتان لتحقيق الحقن قادرة على منع، أو على الأقل تعطيل محاولات استخدام أساليب محمية بحقوق التأليف والنشر في سير عمل وروتين التدريب بالذكاء الاصطناعي. المصدر: https://arxiv.org/pdf/2506.04394

الهدف الذاتي

الآن، وجدت الأبحاث الجديدة من الولايات المتحدة أن الاضطرابات لا فقط تفشل في حماية الصورة، بل أن إضافة الاضطراب يمكن أن يحسن قابلية الصورة للاستغلال في جميع العمليات التي تهدف الاضطراب إلى منعها.

تنص الورقة على:

‘في تجاربنا مع طرق حماية الصور القائمة على الاضطراب عبر مجالات متعددة (صور المشاهد الطبيعية والفنون) ومهام التحرير (توليد الصور من الصور وتحرير الأسلوب)، اكتشفنا أن هذا الحماية لا يصل إلى هدفها بشكل كامل. ‘

‘في معظم السيناريوهات، يولد تحرير الصور المحمية بواسطة التبديد نتائج صور متوافقة تمامًا مع توجيهات التحرير. ‘

‘تشير نتائجنا إلى أن إضافة الضوضاء إلى الصور قد تزيد بشكل متناقض من ارتباطها بالنصوص الموجهة خلال عملية التوليد، مما يؤدي إلى عواقب غير مقصودة مثل تحريرات أفضل.’

‘لذلك، نجادل بأن الأساليب القائمة على الاضطراب قد لا توفر حلاً كافياً لتحقيق حماية صورة قوية ضد التحرير القائم على التبديد.’

الطريقة

أجرت المجموعة تجارب باستخدام ثلاث طرق حماية تطبق اضطرابات معادية مصممة بعناية: PhotoGuard؛ Mist؛ وGlaze.

تم اختبار PhotoGuard على صور المشاهد الطبيعية باستخدام مجموعة بيانات Flickr8k، التي تحتوي على أكثر من 8000 صورة مقترنة مع ما يصل إلى خمس عناوين لكل صورة.

أفكار معارضة

تم إنشاء مجموعتان من العناوين المعدلة من العنوان الأول لكل صورة بمساعدة Claude Sonnet 3.5. تحتوي إحدى المجموعات على توجيهات قريبة سياقيًا من العناوين الأصلية؛ بينما تحتوي المجموعة الأخرى على توجيهات بعيدة سياقيًا.

على سبيل المثال، من العنوان الأصلي ‘فتاة شابة في فستان وردي يدخل إلى كابينة خشبية’، يكون التوجيه القريب ‘شاب صغير في قميص أزرق يدخل إلى منزل من الطوب’. في المقابل، يكون التوجيه بعيد ‘قطةتان مستلقيتان على الأريكة’.

المقاييس

为了 تقييم مدى تأثير الحمايات في التحرير بواسطة الذكاء الاصطناعي، قاس الباحثون مدى مطابقة الصور النهائية للتوجيهات التي تم إعطاؤها لها، باستخدام أنظمة تقييم تراكب الصورة والنص.

تم استخدام مقياس CLIP-S، الذي يستخدم نموذجًا يمكنه فهم الصور والنصوص، لتحديد مدى تشابههما.

الهجوم الفني

للتجارب على الصور الطبيعية، تم استخدام مجموعة بيانات Flickr1024، التي تحتوي على أكثر من ألف صورة عالية الجودة.

تم تطبيق تحرير الأسلوب على الصور باستخدام توجيهات اتبعت نمط ‘تغيير الأسلوب إلى [V]’، حيث تمثل [V] أحد أساليب الفن الشهيرة السبع: التكعيبية، بعد الانطباعية، الانطباعية، السريالية، الباروكية، الفوفية، والنهضة.

تفاصيل التجارب والنتائج

اختبر الباحثون سبع طرق دفاع تعتمد على الاضطراب الخصومي: PhotoGuard وEditShield وAdvDM وMist وSDS(-) وGlaze وPAG. وقارنوا الصور المحمية بنسخ غير محمية عبر مهام تحرير متعددة، بما فيها استبدال العناصر وتغيير الخلفية والتحويل الأسلوبي. استخدمت التجارب نماذج الانتشار الكامن لأن هذه النماذج ترمّز الصورة في فضاء كامن ثم تضيف الضوضاء وتزيلها أثناء عملية التوليد.

لقياس جودة الصورة المرئية استُخدم مقياس BRISQUE الذي لا يحتاج إلى صورة مرجعية؛ وكلما انخفضت الدرجة كانت الجودة أفضل. كما استُخدم CLIP-S لقياس مدى تطابق الفيديو أو الصورة الناتجة مع التوجيه النصي. وكانت النتيجة غير المتوقعة أن بعض الصور «المحمية» حسّنت قدرة النموذج على تنفيذ التعديل المطلوب بدل أن تعرقلها.

في مجموعة مهام التحرير، حققت الصور التي أضيفت إليها اضطرابات بعض وسائل الدفاع درجات تطابق نصي أعلى من الصور الأصلية. وفي إحدى المقارنات بلغ التحسن 17.88%، ما يشير إلى أن الاضطراب يمكن أن يدفع التمثيل الكامن في اتجاه يجعل التعليمات الجديدة أسهل على النموذج. لم تكن النتيجة موحدة في كل وسيلة وكل صورة، لكنها ظهرت بما يكفي لتقويض الافتراض القائل إن إضافة ضوضاء غير مرئية توفر حماية موثوقة.

فسّر الباحثون الظاهرة من خلال العملية الكامنة: الحماية تغيّر الإشارة التي يراها المشفّر، وقد تقلل بعض المكونات المرتبطة بالمحتوى الأصلي فيما تُبقي بنية مفيدة للتحرير. وعندما يبدأ نموذج الانتشار إزالة الضوضاء، قد يصبح التوجيه النصي الجديد أكثر تأثيرًا. لذلك قد تعمل وسيلة الدفاع، في بعض الحالات، كتهيئة مسبقة للهجوم.

في تجارب الأنماط الفنية استُخدمت مجموعة Flickr1024، وأُعطيت النماذج تعليمات للتحويل إلى سبعة أساليب: التكعيبية وما بعد الانطباعية والانطباعية والسريالية والباروكية والوحشية وعصر النهضة. قورنت النتائج بطرائق أساس وبمقياس PAC-S++، كما اختُبرت متانة الحماية أمام ضغط الصور وتغيير الحجم والضوضاء الغاوسية. أظهرت النتائج أن المعالجات الشائعة يمكن أن تضعف الاضطرابات، وأن جودة الحماية كثيرًا ما تأتي على حساب تشوه مرئي واضح.

هذه النتائج لا تعني أن كل اضطراب يزيد نجاح الهجوم، لكنها توضح أن تقييم الحماية يجب أن يشمل الأثر بعد التحرير، لا مجرد قدرتها على خداع كاشف منفرد. كما يجب اختبارها تحت التحويلات الواقعية وعبر عدة نماذج وباستخدام مقاييس للجودة والتوافق الدلالي معًا.

الأشكال التجريبية المستعادة

المصادر والروابط المرجعية

• Latent Diffusion Models
• Stable Diffusion
• Flux
• noise-based
• inserting adversarial noise
• guess image content incorrectly
• artists' backlash
• obfuscate identity
• style transfer
• PhotoGuard
• Mist
• Glaze
• v1.5
• seeds
• Flickr8k
• Claude Sonnet 3.5
• Universal Sentence Encoder
• BRISQUE
• CLIP-S
• PAC-S++
• WikiArt
• latent
• through many steps
• aper
• C2PA scheme

الاستنتاج

منذ ظهور نماذج الانتشار طُرحت الاضطرابات الخصومية كحل لحماية حقوق النشر، لكن الأدبيات لم تقدم حتى الآن وسيلة قوية ومستقرة. بعض الاضطرابات تخفض جودة الصورة بوضوح، وبعضها لا يصمد أمام الضغط أو تغيير الحجم أو التحويلات الأخرى. وتُظهر الدراسة الجديدة أن المشكلة قد تكون أعمق: في حالات معينة لا تفشل الحماية فحسب، بل تجعل التحرير الضار أكثر سهولة.

البديل يتطلب مراقبة الاستخدام وأطر إثبات المصدر، مثل معيار C2PA الذي تقوده Adobe للحفاظ على سلسلة منشأ للأصول منذ مستشعر الكاميرا. غير أن إثبات المصدر لا يحدد بالضرورة حقيقة المحتوى المصور. إذا كانت الاضطرابات الخصومية تزيد الخطر في بعض الحالات، فينبغي إعادة النظر في الاعتماد عليها كحماية لحقوق النشر، وتقييمها ضمن أنظمة أوسع تجمع بين المصدر والسياسة والكشف بعد التوليد.

نُشر لأول مرة يوم الاثنين 9 يونيو 2025.